论文部分内容阅读
[摘 要]想要构建一个完整的智能交通系统，离不开交通信息采集系统，这种信息采集系统可以准确获取交通参数，其中交通信息检测是它的主要功能。本文对应用于视频技术的智能交通信息检测的方式进行了论述，介绍了其视频技术以及基于视频技术的交通信息检测系统的特点，并对智能交通信息检测中视频技术的应用进行了分析，为交通管理部门对视频技术的应用提供了参考。
[关键词]智能交通信息检测；视频技术；应用研究
中图分类号：C35 文献标识码：A 文章编号：1009-914X（2015）23-0259-01
目前，智能交通信息检测中的视频技术逐渐成为研究的重点内容。视频技术是智能交通系统的核心内容，其好坏直接影响系统的检测精度以及检测效率。近几年，在智能交通市场的推动下，交通信息检测中的视频图像分析以及识别技术在特定的应用场合，逐渐成为检测技术研究人员研究的重点。
一、 智能交通信息检测中的视频技术
1、 检测流程
基于视频技术的智能交通系统中，对车辆的检测流程大致分为：选取目标，对可能出现车辆的区域进行选取；确认目标，对候选区域进行确认；分割目标，通过对图像中的车辆进行识别，将未能识别的目标从中分离开来；跟踪目标，跟去选取并确定的车辆计算交通参数；目标分类，根据图像中的几何外形特征等对不同类型车辆进行合理分类；后续处理，根据交通应用的需求对交通参数进行计算，例如车的流量或车速等。
2、 检测方法
（1） 知识型检测方法
通过观察车辆的外形和颜色，还有道路的特点、车辆阴影等信息作相应的检测。这种检测方式较为直观，而且操作方法简单，但是需要对多个数据进行估计，例如车辆长宽的比值、车辆阴影与道路的灰度差异阀值等。其检测系统功能的好坏直接影响着这些数值的准确性。
（2） 运动型检测方法
这种方法主要通过各个图像中现有的相关信息对车辆做相应的预检测，其检测方法主要是利用光流法以及运动能量法。光流法可以对独立运动的物体进行检测，不需要预先知道场景的信息，在摄像机移动时适合使用。但它的不足点就是所耗用的视角较长，如果检测的对象移动过快或过慢的情况，所检测出的效果并不是很好，所以说针对实时系统不适合使用。而运动能量法可以对图像背景中的振动像素消除，并突出对向某个方向运动对象的显示，可以估计其大概位置，而不能确定运动对象的具体位置。
（3） 立体视觉型检测方法
这种检测方法是建立在视觉差或频差理论基础之上的，使用两个或两个以上摄像机对同一检测对象从不同位置而获得立体像对，采用多种算法匹配相应像点，最终恢复深度信息[1]。这种方法可以对慢速行驶的车辆检测出具体的位置，这需要将摄像机正确标定，但如果因车辆运动或者是天气等因素的影响，是很难检测出车辆的具体位置。通过立体视觉对车辆进行检测，一般采用逆透视映射法来对图像中的车辆的位置进行估计。
（4） 像素强度型检测方法
像素强度型检测方法主要包括时间差分法与背景差分法。时间差分法是在短时间内对像素强度的变化进行检查。这种方法适合在动态变化的环境中使用，当摄像机在运动时不适合使用，对运动对象不能完整提取。其方法快捷简单，有良好的实用性，适用于检测运动快而且运动幅度较大的对象，但如果运动对象运动的场景道路不平坦或者弯路较多时不适合使用。
二、基于视频技术的交通信息检测系统
1、系统硬件的实现方案
这种系统是以TMS320DM642为核心，COLD为系统的逻辑控制器，通过扩展视频编解码器、以太网和储蓄器以及RS-232等接口组成完整的系统。视频解码芯片把摄像机的输出转换为数字视频输入TMS320DM642，在做出相应的处理后，通过以太网的接口或RS-232的接口将各种参数传送到通信服务器中。RS-232根据环境的不同对系统的配置参数做出相应的调改。对其检测的结果通过屏幕菜单式调节方式直接放在原始图像中，在进行观看时可以直接在监视器上显示出来。
2、 系统算法的实现策略
为了使算法的性能得到保证，可以从多种角度进行考虑：为了避免把正在运动的投射阴影误检为车辆中的一部分，提出了阴影消除算法；为了保证系统能够在光度强的情况下以及路面发生震动、风力的变化等现象导致系统发生抖动并可以正常工作，提出了鲁棒滤波算法；针对某些检测系统缺少车辆跟踪这项职能可能会对流量多计数这一问题，提出同时收集车辆的相关信息进行匹配车辆跟踪的策略[2]。
交通信息检测系统在一天24小时都是工作状态。虽然在白天没有车灯，但视频中所显示的车辆图像较为清晰；在晚上视频中所显示的车辆图像不清晰，但车灯的照射和路面反射光较为明显。所以，根据以上情况可以选择不同的策略：白天对车辆进行检测，晚上对车灯的照射情况和路面反射光进行检测。实施这样的策略，可以收集白天中可所有的车辆交通参数，晚上除了不能对车辆的信息进行顺利获取和分类之外，但不会影响其他的交通参数。经现场测试验证，智能交通信息检测系统对车辆的识别率为96.5%。在高速公路中，其检测系统处理速度为25帧/秒；在普通工路中，处理速度至少为15帧/秒，以这种处理速度为依据，处理1帧图像所耗用的时间不会超过66.7毫秒。假设检测系统所检测的区域范围是10米，其监测到的车速最快为10米/66.7毫秒=540千米/小时，因此符合交通情况。
三、 视频技术在交通信息检测中的应用
视频技术在交通信息检测中的应用主要体现在以下几方面：
1、 交通流量
交通流量的信息在交通管理中非常重要[3]。通过采用视频技术来获取某些重要路段的交通流量数据，并对其交通流量的信息进行汇总分析。要想获得对这些数据，还需要检测车辆，观看摄像机所监视的区域有没有车辆通过。另外，在监视区域中车辆的行驶速度在交通流量检测中，是非常重要的数据，以便观察其车辆有没有超速等。
2、 交通监视
交通事故的检测在交通安全中意义重大[4]。主要利用视频技术的监视功能对驾驶车辆的行为进行检测，例如，在视频监测区域中，存在事故性停车的现象会自动报警。除此之外，环境因素也是影响安全驾驶的主要因素，例如，雨雪天气导致路面状况不佳，或者是雾霾天气，会导致能见度相对较低，这都在一定程度上影响了驾驶的安全性，通过发挥视频技术的监视功能应有的作用，来降低交通事故发生率。目前对于监测能见度较低的场面，已经有了较为有效的处理方式。
3、 交通管理
视频技术在交通管理中的应用[5]，主要表现在识别车辆和对车辆进行分类等方面，例如视频检测技术可以自动识别车辆的车牌号和检测停泊的车辆。其识别与分类的功能可以实现对在高速公路中行驶的车辆进行自动收费，对停泊的车辆进行检测主要是用在交通的自动管理中，例如，停泊车辆的自动收费或者是违规停车等相关内容。
结束语
视频技术在过去几年的发展中较为迅速，促进了智能交通的发展。通过网络传输为视频技术的检测工作以及处理工作提供了便利。随着数据信息的发展，交通部门可以利用其视频技术与数据相结合通过观察人们的出行習惯对交通情况进行合理规划，充分发挥视频技术的优势，来减少或解决交通中出现的问题。因此，视频技术在智能交通检测系统中发挥着重要的重用，可以为社会带来一定的经济效益。
参考文献
[1] 钱曾波，邱振戈，张永强.计算机立体视觉研究的进展[J].测绘学院学报，2012，18（4）.
[2] 徐海洋.基于支持向量机方法的图像分割与目标分类[J].武汉：华中科技大学，2012.
[3] 朱辉.视频检测技术在智能交通系统中的应用研究[J].长安大学，2012.
[4] 倪琴，许丽.云计算技术在智能交通系统中的应用研究[J].交通与运输（学术版），2012.
[5] 刘大海，卢朝阳.视频技术在智能交通系统中的应用[J].计算机工程，2012.
[关键词]智能交通信息检测；视频技术；应用研究
中图分类号：C35 文献标识码：A 文章编号：1009-914X（2015）23-0259-01
目前，智能交通信息检测中的视频技术逐渐成为研究的重点内容。视频技术是智能交通系统的核心内容，其好坏直接影响系统的检测精度以及检测效率。近几年，在智能交通市场的推动下，交通信息检测中的视频图像分析以及识别技术在特定的应用场合，逐渐成为检测技术研究人员研究的重点。
一、 智能交通信息检测中的视频技术
1、 检测流程
基于视频技术的智能交通系统中，对车辆的检测流程大致分为：选取目标，对可能出现车辆的区域进行选取；确认目标，对候选区域进行确认；分割目标，通过对图像中的车辆进行识别，将未能识别的目标从中分离开来；跟踪目标，跟去选取并确定的车辆计算交通参数；目标分类，根据图像中的几何外形特征等对不同类型车辆进行合理分类；后续处理，根据交通应用的需求对交通参数进行计算，例如车的流量或车速等。
2、 检测方法
（1） 知识型检测方法
通过观察车辆的外形和颜色，还有道路的特点、车辆阴影等信息作相应的检测。这种检测方式较为直观，而且操作方法简单，但是需要对多个数据进行估计，例如车辆长宽的比值、车辆阴影与道路的灰度差异阀值等。其检测系统功能的好坏直接影响着这些数值的准确性。
（2） 运动型检测方法
这种方法主要通过各个图像中现有的相关信息对车辆做相应的预检测，其检测方法主要是利用光流法以及运动能量法。光流法可以对独立运动的物体进行检测，不需要预先知道场景的信息，在摄像机移动时适合使用。但它的不足点就是所耗用的视角较长，如果检测的对象移动过快或过慢的情况，所检测出的效果并不是很好，所以说针对实时系统不适合使用。而运动能量法可以对图像背景中的振动像素消除，并突出对向某个方向运动对象的显示，可以估计其大概位置，而不能确定运动对象的具体位置。
（3） 立体视觉型检测方法
这种检测方法是建立在视觉差或频差理论基础之上的，使用两个或两个以上摄像机对同一检测对象从不同位置而获得立体像对，采用多种算法匹配相应像点，最终恢复深度信息[1]。这种方法可以对慢速行驶的车辆检测出具体的位置，这需要将摄像机正确标定，但如果因车辆运动或者是天气等因素的影响，是很难检测出车辆的具体位置。通过立体视觉对车辆进行检测，一般采用逆透视映射法来对图像中的车辆的位置进行估计。
（4） 像素强度型检测方法
像素强度型检测方法主要包括时间差分法与背景差分法。时间差分法是在短时间内对像素强度的变化进行检查。这种方法适合在动态变化的环境中使用，当摄像机在运动时不适合使用，对运动对象不能完整提取。其方法快捷简单，有良好的实用性，适用于检测运动快而且运动幅度较大的对象，但如果运动对象运动的场景道路不平坦或者弯路较多时不适合使用。
二、基于视频技术的交通信息检测系统
1、系统硬件的实现方案
这种系统是以TMS320DM642为核心，COLD为系统的逻辑控制器，通过扩展视频编解码器、以太网和储蓄器以及RS-232等接口组成完整的系统。视频解码芯片把摄像机的输出转换为数字视频输入TMS320DM642，在做出相应的处理后，通过以太网的接口或RS-232的接口将各种参数传送到通信服务器中。RS-232根据环境的不同对系统的配置参数做出相应的调改。对其检测的结果通过屏幕菜单式调节方式直接放在原始图像中，在进行观看时可以直接在监视器上显示出来。
2、 系统算法的实现策略
为了使算法的性能得到保证，可以从多种角度进行考虑：为了避免把正在运动的投射阴影误检为车辆中的一部分，提出了阴影消除算法；为了保证系统能够在光度强的情况下以及路面发生震动、风力的变化等现象导致系统发生抖动并可以正常工作，提出了鲁棒滤波算法；针对某些检测系统缺少车辆跟踪这项职能可能会对流量多计数这一问题，提出同时收集车辆的相关信息进行匹配车辆跟踪的策略[2]。
交通信息检测系统在一天24小时都是工作状态。虽然在白天没有车灯，但视频中所显示的车辆图像较为清晰；在晚上视频中所显示的车辆图像不清晰，但车灯的照射和路面反射光较为明显。所以，根据以上情况可以选择不同的策略：白天对车辆进行检测，晚上对车灯的照射情况和路面反射光进行检测。实施这样的策略，可以收集白天中可所有的车辆交通参数，晚上除了不能对车辆的信息进行顺利获取和分类之外，但不会影响其他的交通参数。经现场测试验证，智能交通信息检测系统对车辆的识别率为96.5%。在高速公路中，其检测系统处理速度为25帧/秒；在普通工路中，处理速度至少为15帧/秒，以这种处理速度为依据，处理1帧图像所耗用的时间不会超过66.7毫秒。假设检测系统所检测的区域范围是10米，其监测到的车速最快为10米/66.7毫秒=540千米/小时，因此符合交通情况。
三、 视频技术在交通信息检测中的应用
视频技术在交通信息检测中的应用主要体现在以下几方面：
1、 交通流量
交通流量的信息在交通管理中非常重要[3]。通过采用视频技术来获取某些重要路段的交通流量数据，并对其交通流量的信息进行汇总分析。要想获得对这些数据，还需要检测车辆，观看摄像机所监视的区域有没有车辆通过。另外，在监视区域中车辆的行驶速度在交通流量检测中，是非常重要的数据，以便观察其车辆有没有超速等。
2、 交通监视
交通事故的检测在交通安全中意义重大[4]。主要利用视频技术的监视功能对驾驶车辆的行为进行检测，例如，在视频监测区域中，存在事故性停车的现象会自动报警。除此之外，环境因素也是影响安全驾驶的主要因素，例如，雨雪天气导致路面状况不佳，或者是雾霾天气，会导致能见度相对较低，这都在一定程度上影响了驾驶的安全性，通过发挥视频技术的监视功能应有的作用，来降低交通事故发生率。目前对于监测能见度较低的场面，已经有了较为有效的处理方式。
3、 交通管理
视频技术在交通管理中的应用[5]，主要表现在识别车辆和对车辆进行分类等方面，例如视频检测技术可以自动识别车辆的车牌号和检测停泊的车辆。其识别与分类的功能可以实现对在高速公路中行驶的车辆进行自动收费，对停泊的车辆进行检测主要是用在交通的自动管理中，例如，停泊车辆的自动收费或者是违规停车等相关内容。
结束语
视频技术在过去几年的发展中较为迅速，促进了智能交通的发展。通过网络传输为视频技术的检测工作以及处理工作提供了便利。随着数据信息的发展，交通部门可以利用其视频技术与数据相结合通过观察人们的出行習惯对交通情况进行合理规划，充分发挥视频技术的优势，来减少或解决交通中出现的问题。因此，视频技术在智能交通检测系统中发挥着重要的重用，可以为社会带来一定的经济效益。
参考文献
[1] 钱曾波，邱振戈，张永强.计算机立体视觉研究的进展[J].测绘学院学报，2012，18（4）.
[2] 徐海洋.基于支持向量机方法的图像分割与目标分类[J].武汉：华中科技大学，2012.
[3] 朱辉.视频检测技术在智能交通系统中的应用研究[J].长安大学，2012.
[4] 倪琴，许丽.云计算技术在智能交通系统中的应用研究[J].交通与运输（学术版），2012.
[5] 刘大海，卢朝阳.视频技术在智能交通系统中的应用[J].计算机工程，2012.